Glossar

Kausale Inferenz

Was ist Kausale Inferenz?

Kausale Inferenz umfasst Methoden, mit denen sich Ursache-Wirkungs-Beziehungen aus Daten ableiten lassen, statt nur Zusammenhänge festzustellen. Sie beantwortet Fragen wie „Was wäre passiert, wenn wir die Maßnahme nicht umgesetzt hätten?“. Werkzeuge sind etwa randomisierte Experimente wie A/B-Tests, Kausalgraphen oder statistische Verfahren für Beobachtungsdaten. Beispiel: prüfen, ob eine Rabattaktion den Umsatz tatsächlich gesteigert hat oder ob er saisonbedingt ohnehin gestiegen wäre.

Themen

Statistik
Ursache und Wirkung
Analyse

KI.ordo ausprobieren

Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.

Demo starten

← Alle Begriffe

Verwandte Begriffe

Bayessche Netzwerke

Bayessche Netzwerke sind grafische Modelle, die Variablen als Knoten und ihre Wahrscheinlichkeitsabhängigkeiten als gerichtete Pfeile darstellen. Mit dem Satz von Bayes lässt sich daraus berechnen, wie sich neue Beobachtungen auf die Wahrscheinlichkeit anderer Ereignisse auswirken. Ein Beispiel ist die Diagnoseunterstützung: Aus beobachteten Symptomen wird abgeschätzt, welche Ursache am wahrscheinlichsten ist. Vorteile sind Nachvollziehbarkeit und der Umgang mit unsicheren oder lückenhaften Daten.

Wahrscheinlichkeit
Grafische Modelle
+1

Prädiktive Analytik

Prädiktive Analytik nutzt historische Daten, Statistik und maschinelles Lernen, um wahrscheinliche künftige Ereignisse abzuschätzen. Sie beantwortet Fragen wie: Welche Kunden kündigen bald? Wie viel Ware wird nächsten Monat gebraucht? Wann fällt eine Maschine voraussichtlich aus? Die Ergebnisse sind Wahrscheinlichkeiten, keine Gewissheiten. Ihr Wert hängt stark von der Datenqualität ab und davon, ob die Vorhersagen tatsächlich in Entscheidungen und Abläufe einfließen.

Datenanalyse
Prognose
+1

Bias

Bias bezeichnet in der KI eine systematische Verzerrung von Ergebnissen. Sie entsteht oft durch unausgewogene oder historisch geprägte Trainingsdaten, aber auch durch Modellaufbau oder Fragestellung. Ein bekanntes Beispiel: Ein Bewerbungsfilter, der aus früheren Einstellungen lernt, kann bestehende Benachteiligungen fortschreiben. In der Statistik meint Bias zudem die Abweichung einer Schätzung vom wahren Wert. Gegenmaßnahmen sind vielfältige Daten, regelmäßige Prüfungen und menschliche Entscheidungen bei Personalfragen.

KI-Ethik
Fairness
+1

Explorative Datenanalyse (EDA)

Die explorative Datenanalyse (EDA) ist der erste, offene Blick auf einen Datensatz: Man berechnet Kennzahlen, betrachtet Verteilungen und Diagramme und sucht nach Mustern, Ausreißern und fehlenden Werten – noch ohne feste Hypothese. Sie hilft, Datenqualität einzuschätzen und sinnvolle Fragen für weitere Analysen oder Modelle zu finden. Beispiel: Vor einer Umsatzprognose zeigt die EDA, dass ein Monat wegen einer Systemumstellung unvollständig erfasst wurde.

Datenanalyse
Statistik
+1

Vorlage